WO2023094111A1 - Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche - Google Patents

Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche Download PDF

Info

Publication number
WO2023094111A1
WO2023094111A1 PCT/EP2022/080200 EP2022080200W WO2023094111A1 WO 2023094111 A1 WO2023094111 A1 WO 2023094111A1 EP 2022080200 W EP2022080200 W EP 2022080200W WO 2023094111 A1 WO2023094111 A1 WO 2023094111A1
Authority
WO
WIPO (PCT)
Prior art keywords
plants
identified
plant
area
row
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2022/080200
Other languages
English (en)
French (fr)
Inventor
Farid Khani
Andreas Weimer
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of WO2023094111A1 publication Critical patent/WO2023094111A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Definitions

  • the invention is based on a method for identifying weeds in a row of plants on an agricultural area and a corresponding computing unit, a plant identification unit and an agricultural working machine according to the species of the independent claims.
  • the subject matter of the present invention is also a computer program and a machine-readable storage medium
  • DE 10 2017 210 804 A1 discloses a method for applying a spray to a field, the spray being applied depending on the degree of coverage of an evaluation area.
  • plants are segmented using a threshold in the NDVI. From this segmentation, the culture series are recognized. A culture row hose with a certain width is placed around the culture rows. Any segmented object (plant) between the tubes is classified as a weed by definition. All objects that lie within this hose width of the rows or are connected to objects in this hose width are classified as crops by definition.
  • the subject matter of the present invention is a method for identifying weeds in a row of plants on an agricultural area, with the steps:
  • the subject matter of the present invention is also a computing unit which is set up to carry out and/or control the steps of a previously described method.
  • the subject matter of the present invention is also a plant identification unit with an optical detection unit for detecting a field section of an agricultural area with plants in order to obtain image information from the detected field section, and a previously described computing unit.
  • the subject matter of the present invention is also an agricultural working machine, in particular a field sprayer, with an agricultural working tool, in particular a spraying device, and a previously described plant identification unit, the working tool, in particular the spraying device, depending on the identified weeds in the identified row of plants, using the computing unit is controlled.
  • the present invention also relates to a computer program that is set up to carry out and/or control the steps of a method described above when the computer program is executed on a computer, and a machine-readable storage medium on which the computer program is stored.
  • the method according to the invention now makes it possible to identify weeds in a row of plants or rows of cultivated plants in a very simple and resource-saving manner, without requiring an image database or the like.
  • the method can therefore be used very flexibly, since it makes use of the length of the plants and weeds actually on the agricultural area and extracts precisely these in order to identify weeds in the plant rows.
  • this is done in that length values of identified plants of a defined crop plant area are determined in the image information in the “transverse areas” unit and are compared with a frequency distribution of length values of previously identified plants. That means, in other words, that by means of statistical evaluation of length values of plants in identified rows of plants or within defined crop plant areas, which are based on a history of previous plants is based in the plant row, a distinction is made in the current crop row between crop plants and weeds.
  • a classifier is a method that ends up calculating a probability of how well an object fits into a class.
  • the information about the identified weeds in the crop area can be used for subsequent steps in order to identify rows of plants better or more precisely, since the identified or recognized weeds are not taken into account for this or can be "ignored”.
  • An agricultural area can be understood to mean an area used for agriculture, an area under cultivation for plants or also a parcel of such an area or area under cultivation.
  • the agricultural area can thus be arable land, grassland or pasture.
  • the plants include cultivated plants or useful plants, the fruit of which is agricultural is used, for example as food, animal feed or as an energy crop, as well as weeds or weeds.
  • the field section can be a detection section or a detected image section of an optical detection unit.
  • the image information can, for example, be an image of the detected field section.
  • An optical detection unit can be understood to mean, for example, a camera or a 3D camera or an infrared detection unit.
  • the optical detection unit can be calibrated to e.g. B. to calculate the height assignment from captured images.
  • the method can include a step of capturing a field section of an agricultural area with plants by means of the optical capturing unit.
  • the detecting step can be performed during a transit or a flight of the plant identification unit.
  • At least one further step of the method, in particular all steps of the method, can be carried out during a crossing or a flight of the plant identification unit.
  • the plant identification unit can comprise a mobile unit or be arranged on a mobile unit, wherein the mobile unit can be designed in particular as a land vehicle and/or aircraft and/or trailer.
  • the mobile unit can also be a self-propelled or autonomous robot.
  • the plant identification unit is preferably part of an agricultural working machine.
  • the agricultural working machine is preferably a weed regulating machine, in particular a field sprayer.
  • the agricultural working tool is preferably a spray device, but can also be a mechanical tool for weed control.
  • the method includes a step of identifying at least one row of plants or a row of cultivated plants in the image information of the recorded field section by means of the computing unit.
  • the at least one row of plants is preferably identified using at least one of the following items of information: color component, in particular red color component of plants in the recorded field section, infrared component of plants in the recorded field section field section, plant spacing, plant row spacing, growth stage of the plants, geo-coordinates of a sowing of the plants.
  • the rows of plants can be identified in a simple manner, since, for example, crop plants are usually planted equidistantly or the crop plants are more advanced in growth stage than the weeds or weeds.
  • all rows of plants are preferably identified in the image information or in the recorded field section.
  • the step of identifying at least one row of plants understandably includes the detection of plants or plant parts in the image information or in the detected field section.
  • a detection of plants can be understood, for example, as determining the presence of plants or plant mass/biomass in the field section, in particular without the individual plants being classified in the process.
  • the step of detecting plants can include detecting a color component, in particular a red color component and/or an infrared component in the field section or image section.
  • the optical detection unit e.g.
  • NDVI value Normalized Differenced Vegetation Index, it is formed from reflection values in the near infrared and visible red wavelength range of the light spectrum
  • the method also includes a step of defining a crop plant area comprising the at least one identified plant row using the at least one identified plant row by means of the computing unit.
  • the crop area is preferably defined using neighborhood pixels of detected plants of the crop area.
  • the cultivated plant area is preferably defined around a generated plant row center line, in particular with the generated plant row center line extending essentially in a straight line.
  • the crop range may fully encompass the plants of the plant row.
  • the crop area can also include the row of plants without that the individual plants of the plant series are completely covered. Accordingly, the cultivated plant area can also only partially include the individual plants of the plant row. In other words, all identified plants which are at least partially arranged in the respective defined crop area are assigned to the crop area or are evaluated or viewed as plants of the crop area.
  • the cultivated plant area can be defined around the respective plant row center line with a constant or defined width.
  • the crop area can also have a variable width, wherein the width can depend on a growth stage of a plant arranged in a corresponding area of the crop area.
  • the cultivated plant area is thus designed in the form of a tube.
  • the crop area has a smaller width than the recorded field section or the corresponding image information.
  • the method also includes a step of determining a length value for each of the identified plants of the defined crop plant area in the image information using the computing unit, the image information being divided into transverse regions and the length value being the number of transverse regions over which an identified plant of the defined area extends Cultivated plant area extends represented.
  • the defined longitudinal direction preferably runs along the plant row center line.
  • the transverse areas run transversely, preferably at an angle of greater than or equal to 45° to less than or equal to 90°, more preferably at an angle of greater than or equal to 85° to less than or equal to 90°, to the defined longitudinal direction or the plant row center line.
  • the transverse areas can also run horizontally in the image information or the image independently of the defined longitudinal direction or the plant row center line.
  • the transverse areas preferably have a substantially equal length in the defined longitudinal direction. In this case, the length of the transverse regions is greater than 1, preferably in a range from greater than or equal to ... pixels to less than or equal to ... X pixels.
  • the plants or individual plants are defined or formed in the longitudinal direction in that an adjacent transverse area in the respective cultivated plant area is empty.
  • plants and/or plant parts of the defined crop area between two empty transverse areas are regarded as a single plant.
  • the procedure is preferably such that as soon as a plant or a plant part or plant mass is identified in a transverse area, counting begins and only ends when—seen in the longitudinal direction—a subsequent transverse area is empty.
  • empty means that no plant or part of a plant was identified in the transverse area in the respective crop area. This determines the length of the plants in the unit “transverse areas”.
  • only plants are preferably taken into account, i.e. filtered out and evaluated, which are at least partially arranged in the respective defined crop plant area, i.e. are assigned to the crop plant area.
  • the method also includes a step of comparing the determined length value of the respective identified plant of the defined crop area with a frequency distribution, i.e. a history of length values of previously identified plants of the defined crop area and/or defined crop areas of previously recorded image information of the agricultural area by means of the computing unit.
  • a frequency distribution i.e. a history of length values of previously identified plants of the defined crop area and/or defined crop areas of previously recorded image information of the agricultural area by means of the computing unit.
  • the defined crop plant areas of the previously recorded image information preferably include the same at least one identified row of plants or previously recorded sections of the same row of plants.
  • the previously captured image information is preferably image information captured immediately beforehand by the image capturing unit, in particular during the same movement or crossing of the image capturing unit over the agricultural area.
  • the frequency distribution is preferably a distribution of the absolute frequency of the length values. However, it is possible that the frequency distribution is a relative frequency, e.g. based on the sum of 300 plant objects. Understandably, 2 or more length values in the frequency distribution can also be combined into length classes depending on a specific parameter, without departing from the scope of the present application. For example, plants with a length value of 1 or 2 can be grouped in length class 1, plants with a length value of 3 or 4 in length class 2, etc. in the frequency distribution.
  • the method also comprises a step of identifying the plants of the defined crop area with a length value whose frequency is less than or equal to a defined frequency threshold value of the frequency distribution in order to identify them as weeds in an identified plant row.
  • the defined frequency threshold of the frequency distribution can be specified.
  • the defined frequency threshold value can depend, for example, on the species and/or the genus and/or the growth stage and/or the distribution of the area/size of the useful plants. However, the defined frequency threshold can also be adjusted depending on a specific parameter.
  • the frequency distribution is dynamically adapted with an increasing number of previously identified plants or a defined number of plants identified immediately previously during the method, in particular during a movement of the optical detection unit over the agricultural area.
  • the frequency distribution changes dynamically while crossing the field, since (new) length values of newly identified plants are always included.
  • (old) length values of old identified plants are preferred, e.g. if only a defined constant number of currently identified plants is taken into account, so that the frequency distribution reflects the latest conditions on the agricultural Adjust surface.
  • only plants are preferably taken into account, i.e. filtered out and evaluated, which are at least partially arranged in the respective defined crop area, i.e. are assigned to the crop area.
  • the defined length threshold value can advantageously be specified or determined as a function of the frequency distribution of length values. It is advantageous here if, when determining the length threshold value, the greatest length value is determined with a frequency above the frequency threshold value, and the length threshold value is defined as the next greater length value or the length value greater or lesser by a defined value.
  • the defined value by which the length threshold should be greater may depend on the species and/or genus and/or growth stage and/or area/size spread of the crops. This measure makes it possible to effectively identify large weeds in particular, i.e. weeds that are longer than the plants or crops in the row of plants.
  • a minimum value for the length threshold value can also be defined here, above which a plant may be identified/classified as a weed or reclassified from the crop plant class into a weed class.
  • the minimum value can depend, for example, on the species and/or the genus and/or the growth stage and/or the distribution of the area/size of the useful plants. This is a kind of security so that the dynamic and self-learning algorithm only reclassifies larger weeds. Smaller weeds with a smaller length threshold should remain unchanged according to this strategy, e.g. if the crop plants are smaller and only larger weeds should be identified.
  • the method includes a step of classifying the identified weeds in the identified row of plants into a plant class, in particular a weed class, by means of the computing unit. It is particularly advantageous here if a step of classifying the, i.e. all identified plants of the defined crop plant area into a first plant class, in particular a crop plant class, is initially provided, and then a step of reclassifying the identified weeds in the identified plant row of the defined crop plant area into a second plant class different from the first plant class, in particular a weed class, is provided by means of the computing unit.
  • the method includes a step of controlling an agricultural working machine, in particular an agricultural working tool of an agricultural working machine, in particular a spray device of a field sprayer, depending on the identified weeds in the identified row of plants.
  • an agricultural working machine in particular an agricultural working tool of an agricultural working machine, in particular a spray device of a field sprayer, depending on the identified weeds in the identified row of plants.
  • the arithmetic unit is or the arithmetic units are designed or set up for image processing, so that they carry out calculation steps or image processing steps for carrying out the method according to the invention can execute. Accordingly, each computing unit has corresponding image processing software.
  • the arithmetic unit can be, for example, a signal processor, a microcontroller or the like, with the memory unit being able to be a flash memory, an EPROM or a magnetic memory unit.
  • the communication interface can be designed to read in or output data wirelessly and/or by wire, with a communication interface that can read in or output wire-bound data reading this data, for example electrically or optically, from a corresponding data transmission line or outputting it into a corresponding data transmission line.
  • the method according to the invention can be implemented, for example, in software or hardware or in a mixed form of software and hardware in the processing unit or a control unit.
  • the processing unit can be arranged completely or partially on the agricultural working machine or integrated into it.
  • the computing unit can also be completely or partially external, for example integrated in a cloud.
  • the arithmetic unit can thus also be divided among different units, for example mobile and stationary units.
  • a computer program product or computer program with program code which can be stored on a machine-readable carrier or storage medium such as a semiconductor memory, a hard disk memory or an optical memory and for carrying out, implementing and/or controlling the steps of the method according to one of the embodiments described above, is also advantageous used, especially when the program product or program is run on a computer or device.
  • FIG. 4 shows a flowchart of a method according to an embodiment.
  • Fig. 1 shows image information or an image 10 of a field section 12 of an agricultural area with plants 14 captured by means of an optical detection unit or camera (not shown).
  • the plants 14 include crop plants 16 and weeds 18.
  • rows of plants 20 were identified by means of a computing unit (not shown).
  • the plant rows 20 were identified by fitting defined straight plant row center lines 22 in image trajectories with the highest NDVI value (difference red to NIR) of the plants 14 .
  • the cultivated plant area 24 is tubular and has a defined, constant width around the respective defined plant row center line 22 .
  • the cultivated plant area 24 does not include the entire plant body of the plants 14 of the plant rows 20.
  • FIG. 2 now illustrates how a length value for each of the identified plants 14, 16, 18 is determined in the image information 10.
  • the image information 10 or the image 10 is subdivided into transverse areas 26 .
  • the transverse areas 26 are in this case rectangles of a defined length 28, which over the entire length of the image 10 in the longitudinal direction 30, which along the Plant row center line 22 runs, are stretched.
  • the transverse areas 26 run perpendicularly to the longitudinal direction 30 or plant row center line 22.
  • plants 14, 16, 18 are filtered out, which are at least partially arranged in the respective defined crop area 24. Consequently, only these filtered out plants 14, 16, 18 are subsequently taken into account and evaluated.
  • a length value for each of these plants 14, 16, 18 is then determined by the computing unit, with the length value representing the number of transverse regions 26 over which a plant 14, 16, 18 of the defined crop plant region 24 extends.
  • a plant 14, 16, 18 of the corresponding row of plants 20 begins by definition as soon as plant mass is identified in a transverse area 26 and ends when a transverse area 26 is empty, i.e. no more plant mass is identified.
  • plant 14 and plant 16 have the length value 2 and plant 18 has the length value 3.
  • These length values or data are continuously stored during a crossing over the agricultural area.
  • a history is built up in which the last, for example 100, plants 14, 16, 18 from the previously recorded image information 10 are stored.
  • 3 shows the frequency distribution or history of the determined length values using a bar chart, which is always dynamically adapted based on new image information 10 .
  • the length value or the number of transverse regions 26 is plotted on the abscissa and the number of plants 14 with the respective length value is plotted on the ordinate.
  • a frequency threshold value 32 was defined in the frequency distribution, which is at 3 plants in the example shown.
  • all plants 14 of the defined crop plant area 24 whose frequency is less than or equal to the defined frequency threshold value 32, i.e. occur 3 times or less, are identified or classified as weeds 18.
  • plants 14 with a length value of 4, 7 and 8 are identified as weeds 18 in this exemplary embodiment.
  • All remaining plants 14 with a frequency of more than 3 are identified or classified as crop plants 16 .
  • a length threshold value 34 is also defined, with only plants 14 with a length value greater than or equal to this length threshold value 34 being identified as weeds 18 .
  • the length threshold was determined by first determining the largest length value with a frequency above the frequency threshold, which is 6 in the present example. The next largest length value, i.e. 7, was then chosen as the length threshold value.
  • plants 14 with a length value of 7 and 8 are identified or classified as weeds 18 in this exemplary embodiment, while plants 14 with a length value of 4 and all others are identified or classified as crop plants 16 .
  • large weeds 18 can be effectively identified and, if necessary, reclassified.
  • a length threshold value 36 can be defined, which is greater by a defined value, for example by one length unit, than the determined greatest length value.
  • a length threshold value 36 can be defined, which is greater by a defined value, for example by one length unit, than the determined greatest length value.
  • FIG. 4 shows a flow chart of an embodiment of the approach presented here as a method 100 for identifying weeds 18 in a row of plants 20 of an agricultural area.
  • Method 100 includes a step of receiving 102 image information 10 from a field section 12 of an agricultural area with plants 14, 16, 18 that is detected by means of an optical detection unit.
  • Method 100 also includes a step of identifying 104 at least one row of plants 20 in the image information 10 using identified plants 14, 16, 18 by means of a computing unit.
  • the method 100 also includes a step of defining 106 a crop plant region 24 comprising the at least one identified row of plants 20 using the at least one identified row of plants 20 in the image information 10 by means of the computing unit.
  • the method 100 further comprises a step of determining 110 a length value for each of the identified plants 14, 16, 18 of the defined crop plant area 24 in the image information 10 by means of the computing unit, wherein the image information 10 is divided into transverse areas 26 and the length value is the number of Transverse areas 26, over each of which an identified plant 14, 16, 18 of the defined crop area 24 extends.
  • the method also includes a step of comparing 112 the determined length value of the respective identified plant 14, 16, 18 of the defined crop area 24 with a frequency distribution of length values of previously identified plants 14 of the defined crop area 24 and/or defined crop areas 24 of previously recorded image information 10 of the agricultural Area using the unit of account.
  • the method also includes a step of identifying 114 the plants 14 of the defined crop area 24 with a length value whose frequency is less than or equal to a defined frequency threshold value 32 of the frequency distribution in order to identify them as weeds 18 in an identified row of plants 20 .
  • the method 100 includes an optional step of classifying 108 the identified plants 14, 16, 18 of the defined crop plant area 24 into a first plant class, in particular a crop plant class, and a further optional step of reclassification 116 of the identified weeds 18 in the identified plant row 20 of the defined cultivated plant area 24 into a second plant class different from the first plant class, in particular a weed class, by means of the computing unit.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Catching Or Destruction (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Identifizieren von Beikräutern (18) in einer Pflanzenreihe (20) einer landwirtschaftlichen Fläche, wobei Längenwerte für identifizierte Pflanzen (14, 16, 18) eines definierten Kulturpflanzenbereiches ermittelt werden, wobei die Bildinformation (10) in Querbereiche (26) unterteilt ist und der Längenwert die Anzahl der Querbereiche (26), über die sich jeweils eine identifizierte Pflanze (14, 16, 18) des definierten Kulturpflanzenbereiches erstreckt, repräsentiert, wobei die ermittelten Längenwerte mit einer Häufigkeitsverteilung von Längenwerten vorhergehend identifizierter Pflanzen (14) verglichen werden und die Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches mit einem Längenwert, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) identifizieren werden.

Description

Beschreibung
Titel
Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche
Stand der Technik
Die Erfindung geht aus von einem Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche sowie einer entsprechenden Recheneinheit, einer Pflanzenidentifizierungseinheit und einer landwirtschaftlichen Arbeitsmaschine nach Gattung der unabhängigen Ansprüche. Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm und ein maschinenlesbares Speichermedium
Die DE 10 2017 210 804 Al offenbart ein Verfahren zum Ausbringen eines Spritzmittels auf ein Feld, wobei das Spritzmittel in Abhängigkeit von einem Bedeckungsgrad eines Auswertebereiches ausgebracht wird. Hierbei findet bei der Auswertung der Bilddaten eine Segmentierung von Pflanzen mittels Schwelle im NDVI statt. Aus dieser Segmentierung werden die Kulturreihen erkannt. Um die Kulturreihen wird ein Kulturreihenschlauch mit einer gewissen Breite gelegt. Jedes segmentierte Objekt (Pflanze) zwischen den Schläuchen ist per Definition als Beikraut klassifiziert. Alle Objekte, die in dieser Schlauchbreite der Reihen liegen oder mit Objekten in dieser Schlauchbreite verbunden sind, werden per Definition als Kulturpflanze klassifiziert.
Andere Algorithmen nutzen zur Pflanzenerkennung Netze (Deep Learning) oder Klassifikationsmethoden. Dazu sind viele Trainingsdaten, viele Label-Daten und ein Offline-Training im Vorfeld von Nöten. Darüber hinaus sind diese Verfahren sehr rechenintensiv. Offenbarung der Erfindung
Gegenstand der vorliegenden Erfindung ist ein Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche, mit den Schritten:
- Empfangen einer Bildinformation von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt einer landwirtschaftlichen Fläche mit Pflanzen;
- Identifizieren von zumindest einer Pflanzenreihe in der Bildinformation unter Verwendung von identifizierten Pflanzen mittels einer Recheneinheit;
- Definieren eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe in der Bildinformation mittels der Recheneinheit;
- Ermitteln jeweils eines Längenwertes für die identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit, wobei die Bildinformation in Querbereiche unterteilt ist und der Längenwert die Anzahl der Querbereiche, über die sich jeweils eine identifizierte Pflanze des definierten Kulturpflanzenbereiches erstreckt, repräsentiert;
- Vergleichen des ermittelten Längenwertes der jeweiligen identifizierten Pflanze des definierten Kulturpflanzenbereiches mit einer Häufigkeitsverteilung von Längenwerten vorhergehend identifizierter Pflanzen des definierten Kulturpflanzenbereichs und/oder definierter Kulturpflanzenbereichen vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit; und
- Identifizieren der Pflanzen des definierten Kulturpflanzenbereiches mit einem Längenwert, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, um diese als Beikräuter in einer identifizierten Pflanzenreihe zu identifizieren.
Gegenstand der vorliegenden Erfindung ist ferner eine Recheneinheit, welche eingerichtet ist, die Schritte eines vorhergehend beschriebenen Verfahrens durchzuführen und/oder zu steuern. Gegenstand der vorliegenden Erfindung sind außerdem eine Pflanzenidentifizierungseinheit mit einer optischen Erfassungseinheit zum Erfassen eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen, um eine Bildinformation von dem erfassten Feldabschnitt zu erhalten, und einer vorhergehend beschriebenen Recheneinheit.
Gegenstand der vorliegenden Erfindung ist des Weiteren eine landwirtschaftliche Arbeitsmaschine, insbesondere Feldspritze, mit einem landwirtschaftlichen Arbeitswerkzeug, insbesondere einer Spritzvorrichtung, und einer vorhergehend beschriebenen Pflanzenidentifizierungseinheit, wobei das Arbeitswerkzeug, insbesondere die Spritzvorrichtung in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe, mittels der Recheneinheit angesteuert wird.
Gegenstand der vorliegenden Erfindung ist auch ein Computerprogramm, das dazu eingerichtet ist, die Schritte eines vorangehend beschriebenen Verfahrens durchzuführen und/oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird, sowie ein maschinenlesbares Speichermedium, auf dem das Computerprogramm gespeichert ist.
Durch das erfindungsgemäße Verfahren ist es nunmehr möglich, auf sehr einfache und ressourcensparende Art und Weise Beikräuter in einer Pflanzenreihe bzw. Kulturpflanzenreihe zu identifizieren, ohne dass dabei eine Bilddatenbank oder dergleichen benötigt wird. Das Verfahren ist demnach sehr flexibel einsetzbar, da es sich die Länge der tatsächlich auf der landwirtschaftlichen Fläche befindlichen Pflanzen und Beikräuter zunutze macht und genau diese extrahiert, um Beikräuter in den Pflanzenreihen zu identifizieren.
Dies erfolgt erfindungsgemäß dadurch, dass Längenwerte von identifizierten Pflanzen eines definierten Kulturpflanzenbereiches in der Bildinformation in der Einheit „Querbereiche“ ermittelt werden und mit einer Häufigkeitsverteilung von Längenwerten vorhergehend identifizierter Pflanzen verglichen werden. Das heißt, mit anderen Worten, dass mittels statistischer Auswertung von Längenwerten von Pflanzen in identifizierten Pflanzenreihen bzw. innerhalb definierter Kulturpflanzenbereiche, welche auf einer Historie vorheriger Pflanzen in der Pflanzenreihe beruht, eine Unterscheidung in der aktuellen Kulturpflanzenreihe zwischen Kulturpflanzen und Beikräutern erfolgt.
Dabei wird keine gewöhnliche Klassifikationsmethode angewandt, die aus den Längen ein Clustering durchführt und diese dann eine Entscheidung bestimmt zu welcher Klasse (Kulturpflanze oder Beikraut) ein Objekt am wahrscheinlichsten gehört. Ein Klassifikator ist eine Methode, die am Ende eine Wahrscheinlichkeit berechnet, wie gut ein Objekt zu einer Klasse gehört.
Stattdessen wird ermittelt wie häufig eine Länge in der Einheit „Querbereiche“ vorkommt und bei denjenigen Objekten mit einem Längenwert, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung liegt, geht man davon aus, dass es sich um Beikräuter handelt.
Hierdurch wird eine Reihe von Vorteilen geboten:
- Es resultierte eine verbesserte Identifizierung der Beikräuter
- Es ist keine Sammlung von vielen Bilddaten und kein Anfertigen von Labels notwendig, um ein Netz oder Klassifikation zu trainieren, wodurch der Gesamtaufwand stark reduziert wird.
- Es ist kein Offline-Training anhand von Bilddaten im Vorfeld notwendig.
- Die erforderliche Rechenzeit für die Identifizierung oder Klassifizierung anhand eines oder weniger Pflanzenmerkmale ist sehr gering.
- Die Information über die identifizierten Beikräuter in dem Kulturpflanzenbereich kann für darauffolgende Schritte genutzt werden, um Pflanzenreihen besser bzw. genauer zu identifizieren, da die identifizierten bzw. erkannten Beikräuter hierfür unberücksichtigt bleiben bzw. „ignoriert“ werden können.
Unter einer landwirtschaftlichen Fläche kann eine landwirtschaftlich genutzte Fläche, eine Anbaufläche für Pflanzen oder auch eine Parzelle einer solchen Fläche bzw. Anbaufläche verstanden werden. Die landwirtschaftliche Fläche kann somit eine Ackerfläche, ein Grünland oder eine Weide sein. Die Pflanzen umfassen Kulturpflanzen bzw. Nutzpflanzen, deren Frucht landwirtschaftlich genutzt wird, beispielsweise als Nahrungsmittel, Futtermittel oder als Energiepflanze, sowie Beikräuter bzw. Unkräuter.
Der Feldabschnitt kann ein Erfassungsabschnitt bzw. ein erfasster Bildabschnitt einer optischen Erfassungseinheit sein. Die Bildinformation kann bspw. ein Bild des erfassten Feldabschnitts sein. Unter einer optischen Erfassungseinheit kann beispielsweise eine Kamera oder eine 3D- Kamera oder eine Infrarot- Erfassungseinheit verstanden werden. Die optische Erfassungseinheit kann kalibriert sein, um z. B. die Höhenzuordnung aus erfassten Bilder zu errechnen.
Das Verfahren kann einen Schritt des Erfassens eines Feldabschnitts einer landwirtschaftlichen Fläche mit Pflanzen mittels der optischen Erfassungseinheit umfassen. Der Schritt des Erfassens kann während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden. Zumindest ein weiterer Schritt des Verfahrens, insbesondere alle Schritte des Verfahrens kann/können während einer Überfahrt oder eines Fluges der Pflanzenidentifizierungseinheit durchgeführt werden.
Hierbei kann die Pflanzenidentifizierungseinheit eine mobile Einheit umfassen oder auf einer mobilen Einheit angeordnet sein, wobei die mobile Einheit insbesondere als Landfahrzeug und/oder Luftfahrzeug und/oder Anhänger ausgebildet sein kann. Die mobile Einheit kann auch ein selbstfahrender bzw. autonomer Roboter sein. Die Pflanzenidentifizierungseinheit ist bevorzugt Teil einer landwirtschaftlichen Arbeitsmaschine. Die landwirtschaftliche Arbeitsmaschine ist bevorzugt eine Beikrautregulierungsmaschine, insbesondere eine Feldspritze. Das landwirtschaftliche Arbeitswerkzeug ist bevorzugt eine Spritzvorrichtung, kann jedoch auch ein mechanisches Werkzeug zur Beikrautregulierung sein.
Das Verfahren umfasst einen Schritt des Identifizierens von zumindest einer Pflanzenreihe bzw. einer Kulturpflanzenreihe in der Bildinformation des erfassten Feldabschnitts mittels der Recheneinheit. Das Identifizieren der zumindest einen Pflanzenreihe erfolgt bevorzugt unter Verwendung zumindest einer der folgenden Informationen: Farbanteil, insbesondere roter Farbanteil von Pflanzen des erfassten Feldabschnitts, Infrarotanteil von Pflanzen des erfassten Feldabschnitts, Pflanzenabstand, Pflanzreihenabstand, Wachstumsstadium der Pflanzen, Geokoordinaten einer Aussaat der Pflanzen. Mittels dieser Informationen können die Pflanzenreihen auf einfache Art und Weise identifiziert werden, da bspw. Kulturpflanzen in der Regel äquidistant angepflanzt werden oder die Kulturpflanzen vom Wachstumsstadium weiter sind als die Beikräuter bzw. Unkräuter. Bevorzugt werden in dem Schritt des Identifizierens der zumindest einen Pflanzenreihe alle Pflanzenreihen in der Bildinformation bzw. in dem erfassten Feldabschnitt identifiziert.
Der Schritt des Identifizierens von zumindest einer Pflanzenreihe umfasst verständlicherweise das Erfassen von Pflanzen oder Pflanzenteilen in der Bildinformation bzw. in dem erfassten Feldabschnitt. Unter einem Erfassen von Pflanzen kann beispielsweise das Bestimmen des Vorhandenseins von Pflanzen bzw. Pflanzenmasse/Biomasse in dem Feldabschnitt verstanden werden, insbesondere ohne dass dabei eine Klassifizierung der einzelnen Pflanzen erfolgt. Der Schritt des Erfassens von Pflanzen kann ein Erfassen eines Farbanteils, insbesondere eines roten Farbanteils und/oder eines Infrarotanteils in dem Feldabschnitt bzw. Bildabschnitt umfassen. Hierbei können mittels der optischen Erfassungseinheit, bspw. durch Auswertung von Lichtspektren oder anhand eines vorbestimmten NDVI-Wertes (Normalized Differenced Vegetation Index, er wird aus Reflexionswerten im nahen infraroten und sichtbaren roten Wellenlängenbereich des Lichtspektrums gebildet), indem Pflanzenmasse/Biomasse vom (Erd-) Boden unterschieden wird, Pflanzen erfasst werden.
Das Verfahren umfasst ferner einen Schritt des Definierens eines die zumindest eine identifizierte Pflanzenreihe umfassenden Kulturpflanzenbereiches unter Verwendung der zumindest einen identifizierten Pflanzenreihe mittels der Recheneinheit. Der Kulturpflanzenbereich wird bevorzugt unter Verwendung von Nachbarschaftspixeln von erfassten Pflanzen des Kulturpflanzenbereiches definiert. Hierbei wird der Kulturpflanzenbereich bevorzugt um eine erzeugte Pflanzenreihenmittelpunktlinie definiert, insbesondere wobei sich die erzeugte Pflanzenreihenmittelpunktlinie im Wesentlichen geradlinig erstreckt. Der Kulturpflanzenbereich kann die Pflanzen der Pflanzenreihe vollständig umfassen. Der Kulturpflanzenbereich kann jedoch auch die Pflanzenreihe umfassen, ohne dass die einzelnen Pflanzen der Pflanzenreihe vollständig umfasst sind. Demnach kann der Kulturpflanzenbereich die einzelnen Pflanzen der Pflanzenreihe auch nur teilweise umfassen. D.h., mit anderen Worten, dass alle identifizierten Pflanzen, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet sind, dem Kulturpflanzenbereich zugeordnet bzw. als Pflanzen des Kulturpflanzenbereiches gewertet oder angesehen werden.
Der Kulturpflanzenbereich kann um die jeweilige Pflanzenreihenmittelpunktlinie mit einer konstanten bzw. definierten Breite definiert werden. Der Kulturpflanzenbereich kann jedoch auch eine variable Breite aufweisen, wobei die Breite von einem Wachstumsstadium einer in einem entsprechenden Bereich des Kulturpflanzenbereiches angeordneten Pflanze abhängen kann. Der Kulturpflanzenbereich ist somit schlauchförmig ausgebildet. Der Kulturpflanzenbereich weist eine geringere Breite als der erfasste Feldabschnitt bzw. die entsprechende Bildinformation auf.
Das Verfahren umfasst des Weiteren einen Schritt des Ermittelns jeweils eines Längenwertes für die identifizierten Pflanzen des definierten Kulturpflanzenbereiches in der Bildinformation mittels der Recheneinheit, wobei die Bildinformation in Querbereiche unterteilt ist und der Längenwert die Anzahl der Querbereiche, über die sich jeweils eine identifizierte Pflanze des definierten Kulturpflanzenbereiches erstreckt, repräsentiert.
Die definierte Längsrichtung verläuft bevorzugt entlang der Pflanzenreihenmittelpunktlinie. Die Querbereiche verlaufen quer, bevorzugt in einem Winkel von größer oder gleich 45° bis kleiner oder gleich 90°, weiter bevorzugt in einem Winkel von größer oder gleich 85° bis kleiner oder gleich 90°, zu der definierten Längsrichtung bzw. der Pflanzenreihenmittelpunktlinie. Die Querbereiche können jedoch auch unabhängig von der definierten Längsrichtung bzw. der Pflanzenreihenmittelpunktlinie horizontal in der Bildinformation bzw. dem Bild verlaufen. Die Querbereiche weisen bevorzugt eine im Wesentlichen gleiche Länge in der definierten Längsrichtung auf. Die Länge der Querbereiche ist hierbei größer als 1, bevorzugt in einem Bereich von größer oder gleich ... Pixel bis kleiner oder gleich ... X Pixel. Hierbei werden im Schritt des Ermittelns der Längenwerte die Pflanzen bzw. einzelne Pflanzen in der Längsrichtung dadurch definiert oder gebildet, dass ein angrenzender Querbereich im jeweiligen Kulturpflanzenbereich leer ist. D.h., mit anderen Worten, dass Pflanzen und/oder Pflanzenteile des definierten Kulturpflanzenbereiches zwischen zwei leeren Querbereichen als eine einzelne Pflanze angesehen werden. Hierbei wird bevorzugt derart vorgegangen, dass sobald in einem Querbereich eine Pflanze bzw. ein Pflanzenteil oder Pflanzenmasse identifiziert wird, das Zählen beginnt und erst dann endet, wenn - in Längsrichtung gesehen - ein folgender Querbereich leer ist. Mit dem Begriff „leer“ ist hierbei gemeint, dass in dem Querbereich im jeweiligen Kulturpflanzenbereich keine Pflanze bzw. kein Pflanzenteil identifiziert wurde. Hierdurch wird die Länge der Pflanzen in der Einheit „Querbereiche“ ermittelt.
Bevorzugt werden im Schritt des Ermittelns der Längenwerte nur Pflanzen berücksichtigt, d.h. herausgefiltert und ausgewertet, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet, d.h. dem Kulturpflanzenbereich zugeordnet sind.
Das Verfahren umfasst ferner einen Schritt des Vergleichens des ermittelten Längenwertes der jeweiligen identifizierten Pflanze des definierten Kulturpflanzenbereiches mit einer Häufigkeitsverteilung, d.h. einer Historie von Längenwerten vorhergehend identifizierter Pflanzen des definierten Kulturpflanzenbereichs und/oder definierter Kulturpflanzenbereichen vorhergehend erfasster Bildinformationen der landwirtschaftlichen Fläche mittels der Recheneinheit.
Hierbei umfassen die definierten Kulturpflanzenbereiche der vorhergehend erfassten Bildinformationen bevorzugt dieselbe zumindest eine identifizierte Pflanzenreihe bzw. vorhergehend erfasste Abschnitte derselben Pflanzenreihe. Demnach handelt es sich bei den vorhergehend erfassten Bildinformationen bevorzugt um unmittelbar zuvor erfasste Bildinformationen mittels der Bilderfassungseinheit, insbesondere während der gleichen Bewegung bzw. Überfahrt der Bilderfassungseinheit über der landwirtschaftlichen Fläche. Die Häufigkeitsverteilung ist bevorzugt eine Verteilung der absoluten Häufigkeit der Längenwerte. Es ist jedoch möglich, dass die Häufigkeitsverteilung eine relative Häufigkeit ist, bspw. bezogen auf die Summe von 300 Pflanzenobjekten. Verständlicherweise können 2 oder mehrere Längenwerte in der Häufigkeitsverteilung auch abhängig von einem bestimmten Parameter in Längenklassen zusammengefasst werden, ohne den Rahmen der vorliegenden Anmeldung zu verlassen. Demnach können bspw. Pflanzen mit einem Längenwert von 1 oder 2 in einer Längenklasse 1, Pflanzen mit einem Längenwert von 3 oder 4 in einer Längenklasse 2 usw. in der Häufigkeitsverteilung zusammengefasst werden.
Das Verfahren umfasst außerdem einen Schritt des Identifizierens der Pflanzen des definierten Kulturpflanzenbereiches mit einem Längenwert, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert der Häufigkeitsverteilung ist, um diese als Beikräuter in einer identifizierten Pflanzenreihe zu identifizieren.
Der definierte Häufigkeitsschwellenwert der Häufigkeitsverteilung kann vorgebbar sein. Der definierte Häufigkeitsschwellenwert kann bspw. von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Der definierte Häufigkeitsschwellenwert kann jedoch auch in Abhängigkeit von einem bestimmten Parameter angepasst werden.
Es ist vorteilhaft, wenn die Häufigkeitsverteilung mit steigender Anzahl vorhergehend identifizierter Pflanzen oder einer definierten Anzahl unmittelbar vorhergehend identifizierter Pflanzen während des Verfahrens, insbesondere während einer Bewegung der optischen Erfassungseinheit über der landwirtschaftlichen Fläche dynamisch angepasst wird. D.h., mit anderen Worten, dass sich die Häufigkeitsverteilung dynamisch während der Feldüberfahrt ändert, da stets (neue) Längenwerte neuer identifizierter Pflanzen mit einfließen. Ferner fallen bevorzugt (alte) Längenwerte alter identifizierter Pflanzen heraus, bspw. wenn lediglich eine definierte konstante Anzahl an aktuellen identifizierten Pflanzen berücksichtigt wird, sodass sich die Häufigkeitsverteilung den neusten Gegebenheiten auf der landwirtschaftlichen Fläche anpassen. Durch diese Maßnahme ist das Verfahren sehr flexible, da sich das Histogramm ständig erneuert bei der Überfahrtfahrt über die landwirtschaftliche Fläche und die ältesten Daten aus dem Histogramm wieder entfernt werden, sodass sich der Algorithmus ständig neu auf die aktuelle Feldsituation und Längen der Pflanzen einlernen kann und ferner auch dynamisch genug ist, dass er seine Entscheidung bzgl. des Ansteuerns des landwirtschaftlichen Arbeitswerkzeugs auch bei sich veränderten Pflanzenwachstum über die landwirtschaftliche Fläche Feld hinweg anpassen kann.
Bevorzugt werden im Schritt des Identifizierens der Pflanzen nur Pflanzen berücksichtigt, d.h. herausgefiltert und ausgewertet, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich angeordnet, d.h. dem Kulturpflanzenbereich zugeordnet sind.
Es ist vorteilhaft, wenn im Schritt des Identifizierens ferner nur Pflanzen mit einem Längenwert, welcher größer als ein definierter Längenschwellenwert oder gleich einem definierten Längenschwellenwert ist, als Beikräuter in einer identifizierten Pflanzenreihe identifiziert werden. Der definierte Längenschwellenwert kann vorteilhafterweise vorgegeben sein oder in Abhängigkeit von der Häufigkeitsverteilung von Längenwerten ermittelt werden. Hierbei ist es vorteilhaft, wenn bei der Ermittlung des Längenschwellenwertes der größte Längenwert mit einer Häufigkeit über dem Häufigkeitsschwellenwert ermittelt wird, und der Längenschwellenwert als der nächstgrößere Längenwert oder der um einen definierten Wert größere oder kleinere Längenwert definiert wird. Der definierte Wert, um den Längenschwellenwert größer sein soll, kann von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Durch diese Maßnahme können insbesondere große Beikräuter, d.h. Beikräuter, welche eine größere Länge aufweisen als die Pflanzen bzw. Kulturpflanzen in der Pflanzenreihe, effektiv identifiziert werden.
Hierbei kann ferner noch ein Mindestwert für den Längenschwellenwert definiert werden, ab dem überhaupt eine Pflanze als Beikraut identifiziert/klassifiziert bzw. von der Kulturpflanzenklasse in eine Beikrautklasse reklassifiziert werden darf. Der Mindestwert kann bspw. von der Art und/oder der Gattung und/oder dem Wachstumsstadium und/oder der Streuung der Fläche/Größe der Nutzpflanzen abhängen. Dies ist eine Art Sicherheit, damit der dynamisch und selbstlernende Algorithmus nur größere Beikräuter reklassifiziert. Kleinere Beikräuter mit einem kleineren Längenschwellenwert sollen gemäß dieser Strategie unverändert bleiben, bspw. wenn die Kulturpflanzen kleiner sind und nur größere Beikräuter identifiziert werden sollen.
Es ist außerdem vorteilhaft, wenn das Verfahren einen Schritt des Klassifizierens der identifizierten Beikräuter in der identifizierten Pflanzenreihe in eine Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit umfasst. Hierbei ist es insbesondere vorteilhaft, wenn zunächst ein Schritt des Klassifizierens der, d.h. aller identifizierten Pflanzen des definierten Kulturpflanzenbereiches in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse vorgesehen ist, und anschließend ein Schritt des Reklassifizierens der identifizierten Beikräuter in der identifizierten Pflanzenreihe des definierten Kulturpflanzenbereiches in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit vorgesehen ist. D.h., mit anderen Worten, dass zunächst per Definition alle Pflanzen in dem Kulturpflanzenbereich als Objekte derselben Klasse angesehen bzw. derselben Klasse zugeordnet werden, bspw. der Klasse „Kulturpflanzen“, und anschließend fehlklassifizierte Beikräuter innerhalb der Pflanzenreihen identifiziert und richtig reklassifiziert werden.
Des Weiteren ist es vorteilhaft, wenn das Verfahren einen Schritt des Ansteuerns einer landwirtschaftlichen Arbeitsmaschine, insbesondere eines landwirtschaftlichen Arbeitswerkzeugs einer landwirtschaftlichen Arbeitsmaschine, insbesondere einer Spritzvorrichtung einer Feldspritze, in Abhängigkeit von den identifizierten Beikräutern in der identifizierten Pflanzenreihe umfasst. Hierdurch ermöglich das Verfahren, gezielt Beikräuter in den Pflanzenreihen zu bekämpfen bzw. zu regulieren.
Die Recheneinheit ist bzw. die Recheneinheiten sind zur Bildverarbeitung ausgebildet bzw. eingerichtet, sodass sie Berechnungsschritte bzw. Bildverarbeitungsschritte zur Durchführung des erfindungsgemäßen Verfahrens ausführen kann. Demnach weist jede Recheneinheit eine entsprechende Bildverarbeitungssoftware auf. Die Recheneinheit kann beispielsweise ein Signalprozessor, ein Mikrocontroller oder dergleichen sein, wobei die Speichereinheit ein Flash-Speicher, ein EPROM oder eine magnetische Speichereinheit sein kann. Die Kommunikationsschnittstelle kann ausgebildet sein, um Daten drahtlos und/oder leitungsgebunden einzulesen oder auszugeben, wobei eine Kommunikationsschnittstelle, die leitungsgebundene Daten einlesen oder ausgeben kann, diese Daten bspw. elektrisch oder optisch aus einer entsprechenden Datenübertragungsleitung einlesen oder in eine entsprechende Datenübertragungsleitung ausgeben kann.
Demnach kann das erfindungsgemäße Verfahren beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware in der Recheneinheit bzw. einem Steuergerät implementiert sein.
Die Recheneinheit kann vollständig oder teilweise an der landwirtschaftlichen Arbeitsmaschine angeordnet bzw. in diese integriert sein. Die Recheneinheit kann jedoch auch vollständig oder teilweise extern, bspw. in einer Cloud integriert sein. Die Recheneinheit kann somit auch auf verschiedene, bspw. mobile und stationäre Einheiten aufgeteilt sein.
Von Vorteil ist auch ein Computerprogrammprodukt oder Computerprogramm mit Programmcode, der auf einem maschinenlesbaren Träger oder Speichermedium wie einem Halbleiterspeicher, einem Festplattenspeicher oder einem optischen Speicher gespeichert sein kann und zur Durchführung, Umsetzung und/oder Ansteuerung der Schritte des Verfahrens nach einer der vorstehend beschriebenen Ausführungsformen verwendet wird, insbesondere wenn das Programmprodukt oder Programm auf einem Computer oder einer Vorrichtung ausgeführt wird.
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
Fig. 1 eine Bildinformation bzw. ein Bild eines erfassten Feldabschnitts; Fig. 2 eine Bildinformation mit identifizierten Pflanzen, welche in Querbereiche unterteilt ist;
Fig. 3 eine Historie von Pflanzen aus zuvor erfassten Bildinformationen mit ihren Längenwerten; und
Fig. 4 ein Ablaufdiagramm eines Verfahrens gemäß einem Ausführungsbeispiel.
Fig. 1 zeigt eine Bildinformation bzw. ein Bild 10 eines mittels einer (nicht gezeigten) optischen Erfassungseinheit bzw. Kamera erfassten Feldabschnitts 12 einer landwirtschaftlichen Fläche mit Pflanzen 14. Hierbei umfassen die Pflanzen 14 Kulturpflanzen 16 und Beikräuter 18.
Wie aus Fig. 1 ersichtlich, wurden nach dem Erfassen der Pflanzen 14 (unter Verwendung des roten Farbanteils und/oder Infrarotanteils und einer Pflanzenabstandsinformation) in dem Feldabschnitt 12 Pflanzenreihen 20 mittels einer (nicht gezeigten) Recheneinheit identifiziert. Die Identifizierung der Pflanzenreihen 20 ist hierbei durch Einpassung von definierten geradlinigen Pflanzenreihenmittelpunktlinien 22 in Bildtrajektorien mit dem höchsten NDVI Wert (Differenz rot zu NIR) der Pflanzen 14 erfolgt.
Wie weiter aus Fig. 1 ersichtlich, wurde ein Kulturpflanzenbereich 24, welcher die identifizierten Pflanzenreihen 20 umfasst, mittels der Recheneinheit definiert. Der Kulturpflanzenbereich 24 ist schlauchförmig ausgebildet und weist eine definierte konstanten Breite um die jeweilige definierte Pflanzenreihenmittelpunktlinie 22 auf. Der Kulturpflanzenbereich 24 umfasst hierbei nicht den gesamten Pflanzenkörper der Pflanzen 14 der Pflanzenreihen 20.
Fig. 2 veranschaulicht nun wie in der Bildinformation 10 jeweils ein Längenwert für die identifizierten Pflanzen 14, 16, 18 ermittelt wird.
Die Bildinformation 10 bzw. das Bild 10 ist in Querbereiche 26 unterteilt. Die Querbereiche 26 sind hierbei Rechtecke einer definierten Länge 28, welche über die gesamte Länge des Bildes 10 in Längsrichtung 30, welche entlang der Pflanzenreihenmittelpunktlinie 22 verläuft, aufgespannt werden. Die Querbereiche 26 verlaufen hierbei senkrecht zu der Längsrichtung 30 bzw. Pflanzenreihenmittelpunktlinie 22.
Zunächst werden für jede Reihenreihe 20 bzw. jeden Kulturpflanzenbereich 24 Pflanzen 14, 16, 18 herausgefiltert, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich 24 angeordnet sind. Somit werden nachfolgend lediglich diese herausgefilterten Pflanzen 14, 16, 18 berücksichtigt und ausgewertet.
Anschließend wird jeweils ein Längenwert für diese Pflanzen 14, 16, 18 mittels der Recheneinheit ermittelt, wobei der Längenwert die Anzahl der Querbereiche 26, über die sich jeweils eine Pflanze 14, 16, 18 des definierten Kulturpflanzenbereiches 24 erstreckt, repräsentiert. Hierbei beginnt eine Pflanze 14, 16, 18 der entsprechenden Pflanzenreihe 20 per Definition sobald Pflanzenmasse in einem Querbereich 26 identifiziert wird und endet, wenn ein Querbereich 26 leer ist, d.h. keine Pflanzenmasse mehr identifiziert wird. Somit erhält man Pflanzen 14, 16, 18 mit einem entsprechenden Längenwert, nämlich der Anzahl an Querbereichen 26. Im gezeigten Ausführungsbeispiel haben die Pflanze 14 und die Pflanze 16 den Längenwert 2 und die Pflanze 18 den Längen wert 3.
Diese Längenwerte bzw. Daten werden fortlaufend während einer Überfahrt über die landwirtschaftliche Fläche gespeichert. Es wird eine Historie aufgebaut, in der die letzten, bspw. 100 Pflanzen 14, 16, 18 aus den vorhergehend erfassten Bildinformationen 10 gespeichert sind. In Fig. 3 ist die Häufigkeitsverteilung bzw. Historie der ermittelten Längenwerte anhand eines Säulendiagramms, welches stets dynamisch aufgrund neuer Bildinformationen 10 angepasste wird, gezeigt. Hierbei sind auf der Abszisse der Längenwert bzw. die Anzahl der Querbereiche 26 und auf der Ordinate die Anzahl an Pflanzen 14 mit dem jeweiligen Längenwert aufgetragen. Über die gesammelten Daten der Vergangenheit lässt sich nun abschätzten, welche Pflanzen 14 mit welchen Längenwerten häufiger vorkamen, d.h. Kulturpflanzen 16 sind, und welche Pflanzen 14 seltener vorkamen, d.h. Beikräuter 18 sind. Um nun die Beikräuter 18 in der identifizierten Pflanzenreihe 20, d.h. in dem die identifizierte Pflanzenreihe 20 umfassenden Kulturpflanzenbereich 24 zu identifizieren, wurde in der Häufigkeitsverteilung ein Häufigkeitsschwellenwert 32 definiert, welcher im gezeigten Beispiel bei 3 Pflanzen ist.
In einem ersten Ausführungsbeispiel werden schließlich alle Pflanzen 14 des definierten Kulturpflanzenbereiches 24, deren Häufigkeit kleiner oder gleich dem definierten Häufigkeitsschwellenwert 32 ist, d.h. 3mal oder seltener vorkommen, als Beikräuter 18 identifiziert bzw. klassifiziert. Somit werden in diesem Ausführungsbeispiel Pflanzen 14 mit einem Längenwert von 4, 7 und 8 als Beikräuter 18 identifiziert. Alle restlichen Pflanzen 14 mit einer Häufigkeit von über 3 werden als Kulturpflanzen 16 identifiziert bzw. klassifiziert.
In einem zweiten Ausführungsbeispiel wird ferner ein Längenschwellenwert 34 definiert, wobei nur Pflanzen 14 mit einem Längenwert von größer oder gleich diesem Längenschwellenwert 34 als Beikräuter 18 identifiziert werden. Hierbei wurde der Längenschwellenwert ermittelt, indem zunächst der größte Längenwert mit einer Häufigkeit über dem Häufigkeitsschwellenwert ermittelt wurde, welcher im vorliegenden Beispiel 6 ist. Anschließend wurde als Längenschwellenwert der nächstgrößere Längenwert, d.h. 7 gewählt.
Somit werden im Vergleich zum ersten Ausführungsbeispiel in diesem Ausführungsbeispiel nur Pflanzen 14 mit einem Längenwert von 7 und 8 als Beikräuter 18 identifiziert bzw. klassifiziert, während die Pflanzen 14 mit einem Längenwert von 4 und alle weiteren als Kulturpflanzen 16 identifiziert bzw. klassifiziert werden. Hierdurch können große Beikräuter 18 effektiv identifiziert und ggf. reklassifiziert werden.
In einem dritten Ausführungsbeispiel kann im Vergleich zum zweiten Ausführungsbeispiel ein Längenschwellenwert 36 definiert werden, welcher um einen definierten Wert, bspw. um eine Längeneinheit größer ist, als der ermittelte größte Längenwert. Hierdurch werden nur noch größere Pflanzen 14 mit einem Längenwert von 8 als Beikräuter 18 identifiziert bzw. klassifiziert. Fig. 4 zeigt ein Ablaufdiagramm eines Ausführungsbeispiels des hier vorgestellten Ansatzes als Verfahren 100 zum Identifizieren von Beikräutern 18 in einer Pflanzenreihe 20 einer landwirtschaftlichen Fläche. Das Verfahren 100 umfasst einen Schritt des Empfangens 102 einer Bildinformation 10 von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt 12 einer landwirtschaftlichen Fläche mit Pflanzen 14, 16, 18. Das Verfahren 100 umfasst ferner einen Schritt des Identifizierens 104 von zumindest einer Pflanzenreihe 20 in der Bildinformation 10 unter Verwendung von identifizierten Pflanzen 14, 16, 18 mittels einer Recheneinheit. Das Verfahren 100 umfasst außerdem einen Schritt des Definierens 106 eines die zumindest eine identifizierte Pflanzenreihe 20 umfassenden Kulturpflanzenbereiches 24 unter Verwendung der zumindest einen identifizierten Pflanzenreihe 20 in der Bildinformation 10 mittels der Recheneinheit. Das Verfahren 100 umfasst des Weiteren einen Schritt des Ermittelns 110 jeweils eines Längenwertes für die identifizierten Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 in der Bildinformation 10 mittels der Recheneinheit, wobei die Bildinformation 10 in Querbereiche 26 unterteilt ist und der Längenwert die Anzahl der Querbereiche 26, über die sich jeweils eine identifizierte Pflanze 14, 16, 18 des definierten Kulturpflanzenbereiches 24 erstreckt, repräsentiert. Das Verfahren umfasst ferner einen Schritt des Vergleichens 112 des ermittelten Längenwertes der jeweiligen identifizierten Pflanze 14, 16, 18 des definierten Kulturpflanzenbereiches 24 mit einer Häufigkeitsverteilung von Längenwerten vorhergehend identifizierter Pflanzen 14 des definierten Kulturpflanzenbereichs 24 und/oder definierter Kulturpflanzenbereichen 24 vorhergehend erfasster Bildinformationen 10 der landwirtschaftlichen Fläche mittels der Recheneinheit. Das Verfahren umfasst außerdem einen Schritt des Identifizierens 114 der Pflanzen 14 des definierten Kulturpflanzenbereiches 24 mit einem Längenwert, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert 32 der Häufigkeitsverteilung ist, um diese als Beikräuter 18 in einer identifizierten Pflanzenreihe 20 zu identifizieren.
Der Weiteren umfasst das Verfahren 100 einen optionalen Schritt des Klassifizierens 108 der identifizierten Pflanzen 14, 16, 18 des definierten Kulturpflanzenbereiches 24 in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse, und einen weiteren optionalen Schritt des Reklassifizierens 116 der identifizierten Beikräuter 18 in der identifizierten Pflanzenreihe 20 des definierten Kulturpflanzenbereiches 24 in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit.

Claims

Ansprüche
1. Verfahren (100) zum Identifizieren von Beikräutern (18) in einer Pflanzenreihe (20) einer landwirtschaftlichen Fläche, mit den Schritten:
- Empfangen (102) einer Bildinformation (10) von einem mittels einer optischen Erfassungseinheit erfassten Feldabschnitt (12) einer landwirtschaftlichen Fläche mit Pflanzen (14, 16, 18);
- Identifizieren (104) von zumindest einer Pflanzenreihe (20) in der Bildinformation (10) unter Verwendung von identifizierten Pflanzen (14, 16, 18) mittels einer Recheneinheit;
- Definieren (106) eines die zumindest eine identifizierte Pflanzenreihe (20) umfassenden Kulturpflanzenbereiches (24) unter Verwendung der zumindest einen identifizierten Pflanzenreihe (20) in der Bildinformation (10) mittels der Recheneinheit;
- Ermitteln (110) jeweils eines Längenwertes für die identifizierten Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) in der Bildinformation (10) mittels der Recheneinheit, wobei die Bildinformation (10) in Querbereiche (26) unterteilt ist und der Längenwert die Anzahl der Querbereiche (26), über die sich jeweils eine identifizierte Pflanze (14, 16, 18) des definierten Kulturpflanzenbereiches (24) erstreckt, repräsentiert;
- Vergleichen (112) des ermittelten Längenwertes der jeweiligen identifizierten Pflanze (14, 16, 18) des definierten Kulturpflanzenbereiches (24) mit einer Häufigkeitsverteilung von Längenwerten vorhergehend identifizierter Pflanzen (14) des definierten Kulturpflanzenbereichs (24) und/oder definierter Kulturpflanzenbereichen (24) vorhergehend erfasster Bildinformationen (10) der landwirtschaftlichen Fläche mittels der Recheneinheit; und
- Identifizieren (114) der Pflanzen (14) des definierten Kulturpflanzenbereiches (24) mit einem Längenwert, dessen Häufigkeit kleiner oder gleich einem definierten Häufigkeitsschwellenwert (32) der Häufigkeitsverteilung ist, um diese als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) zu identifizieren. Verfahren (100) nach Anspruch 1, dadurch gekennzeichnet, dass im Schritt des Identifizierens (114) ferner nur Pflanzen (14) mit einem Längenwert, welcher größer oder gleich einem definierten Längenschwellenwert (34, 36) ist, als Beikräuter (18) in einer identifizierten Pflanzenreihe (20) identifiziert werden. Verfahren (100) nach Anspruch 2, dadurch gekennzeichnet, dass der definierte Längenschwellenwert (34, 36) vorgegeben ist oder in Abhängigkeit von der Häufigkeitsverteilung von Längenwerten ermittelt. Verfahren (100) nach Anspruch 3, dadurch gekennzeichnet, dass bei der Ermittlung des Längenschwellenwertes (34, 36) der größte Längenwert mit einer Häufigkeit über dem Häufigkeitsschwellenwert (32) ermittelt wird, und der Längenschwellenwert (34, 36) als der nächstgrößere Längenwert oder der um einen definierten Wert größere oder kleinere Längenwert definiert wird. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass im Schritt des Ermittelns (110) der Längenwerte und/oder im Schritt des Identifizierens (114) der Pflanzen (14, 16, 18) nur Pflanzen (14, 16, 18) berücksichtigt werden, welche zumindest teilweise in dem jeweiligen definierten Kulturpflanzenbereich (24) angeordnet sind. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass im Schritt des Ermittelns (110) der Längenwerte die Pflanzen () in der Längsrichtung () dadurch definiert oder gebildet werden, dass ein angrenzender Querbereich (26) im jeweiligen Kulturpflanzenbereich (24) leer ist. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Querbereiche (26) quer zu einer definierten Längsrichtung (30), insbesondere quer zu einer ermittelten Pflanzenreihenmittelpunktlinie (22) der identifizierten Pflanzenreihe (20), verlaufen und eine im Wesentlichen gleiche Länge in der definierten Längsrichtung (30) aufweisen. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die definierten Kulturpflanzenbereiche (24) der vorhergehend erfassten Bildinformationen (10) dieselbe zumindest eine identifizierte Pflanzenreihe (20) umfassen. Verfahren (100) nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Häufigkeitsverteilung mit steigender Anzahl vorhergehend identifizierter Pflanzen (14) oder einer definierten Anzahl unmittelbar vorhergehend identifizierter Pflanzen (14) während des Verfahrens, insbesondere während einer Bewegung der optischen Erfassungseinheit über der landwirtschaftlichen Fläche dynamisch angepasst wird. Verfahren (100) nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen Schritt des Klassifizierens (116) der identifizierten Beikräuter (18) in der identifizierten Pflanzenreihe (20) in eine Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit. Verfahren (100) nach Anspruch 10, gekennzeichnet durch einen Schritt des Klassifizierens (108) der identifizierten Pflanzen (14, 16, 18) des definierten Kulturpflanzenbereiches (24) in eine erste Pflanzenklasse, insbesondere eine Kulturpflanzenklasse, und einen Schritt des Reklassifizierens (116) der identifizierten Beikräuter (18) in der identifizierten Pflanzenreihe (20) des definierten Kulturpflanzenbereiches (24) in eine von der ersten Pflanzenklasse verschiedene zweite Pflanzenklasse, insbesondere eine Beikrautklasse mittels der Recheneinheit. Verfahren (100) nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen Schritt des Ansteuerns (118) einer - 21 - landwirtschaftlichen Arbeitsmaschine, insbesondere eines landwirtschaftlichen Arbeitswerkzeugs einer landwirtschaftlichen Arbeitsmaschine, insbesondere einer Spritzvorrichtung einer Feldspritze, in Abhängigkeit von den identifizierten Beikräutern (18) in der identifizierten Pflanzenreihe (20). Recheneinheit, welche eingerichtet ist, die Schritte eines Verfahrens (100) nach einem der vorhergehenden Ansprüche durchzuführen und/oder zu steuern. Pflanzenidentifizierungseinheit mit einer optischen Erfassungseinheit zum Erfassen eines Feldabschnitts (12) einer landwirtschaftlichen Fläche mit Pflanzen (14, 16, 18), um eine Bildinformation (10) von dem erfassten Feldabschnitt (12) zu erhalten, und einer Recheneinheit nach Anspruch 13. Landwirtschaftliche Arbeitsmaschine, insbesondere Feldspritze, mit einem landwirtschaftlichen Arbeitswerkzeug, insbesondere einer Spritzvorrichtung, und einer Pflanzenidentifizierungseinheit nach Anspruch 14, wobei das Arbeitswerkzeug, insbesondere die Spritzvorrichtung in Abhängigkeit von den identifizierten Beikräutern (18) in der identifizierten Pflanzenreihe (20), angesteuert wird. Computerprogramm, das dazu eingerichtet ist, die Schritte eines Verfahrens (100) nach einem der Ansprüche 1 bis 12 durchzuführen und/oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 16 gespeichert ist.
PCT/EP2022/080200 2021-11-25 2022-10-28 Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche Ceased WO2023094111A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021213280.4 2021-11-25
DE102021213280.4A DE102021213280A1 (de) 2021-11-25 2021-11-25 Verfahren zum Identifizieren von Beikräutern in einer Pflanzenreihe einer landwirtschaftlichen Fläche

Publications (1)

Publication Number Publication Date
WO2023094111A1 true WO2023094111A1 (de) 2023-06-01

Family

ID=84361020

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/080200 Ceased WO2023094111A1 (de) 2021-11-25 2022-10-28 Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche

Country Status (2)

Country Link
DE (1) DE102021213280A1 (de)
WO (1) WO2023094111A1 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022212169A1 (de) 2022-11-16 2024-05-16 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212162A1 (de) 2022-11-16 2024-05-16 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ermitteln einer Pflanzenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102022212171A1 (de) 2022-11-16 2024-05-16 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212161A1 (de) 2022-11-16 2024-05-16 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ermitteln einer Breitenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102023211134A1 (de) * 2023-11-10 2025-05-15 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Ansteuern einer Spritzvorrichtung einer Feldspritze

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017210804A1 (de) 2017-06-27 2018-12-27 Robert Bosch Gmbh Verfahren Ausbringen eines Spritzmittels auf ein Feld
US10255670B1 (en) * 2017-01-08 2019-04-09 Dolly Y. Wu PLLC Image sensor and module for agricultural crop improvement

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10255670B1 (en) * 2017-01-08 2019-04-09 Dolly Y. Wu PLLC Image sensor and module for agricultural crop improvement
DE102017210804A1 (de) 2017-06-27 2018-12-27 Robert Bosch Gmbh Verfahren Ausbringen eines Spritzmittels auf ein Feld

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"PATTERN CLASSIFICATION.", 9 November 2000, NEW YORK, JOHN WILEY & SONS., US, ISBN: 978-0-471-05669-0, article DUDA RICHARD O. ET AL: "Introduction", pages: 1 - 19, XP093007155, 027686 *

Also Published As

Publication number Publication date
DE102021213280A1 (de) 2023-05-25

Similar Documents

Publication Publication Date Title
WO2023094111A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
EP3866593B1 (de) Verfahren zum ausbringen eines spritzmittels auf ein feld
EP3782467B1 (de) Verfahren zum identifizieren von beikräutern innerhalb einer definierten pflanzenreihe einer landwirtschaftlichen fläche
WO2019002077A1 (de) Verfahren ausbringen eines spritzmittels auf ein feld
DE102018222428A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
EP4262381B1 (de) Verfahren zum klassifizieren von pflanzen für landwirtschaftliche zwecke
EP4064818B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld
EP4064819B1 (de) Verfahren zum bearbeiten von pflanzen auf einem feld, zum generieren von trainingsdaten und zum trainieren eines neuronalen netzes
WO2023110207A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
EP4064817A1 (de) Verfahren zum schätzen eines verlaufs von pflanzenreihen
EP4250920A1 (de) Verfahren und vorrichtung zur klassifizierung von pflanzen sowie computerprogrammprodukt
DE102020215880A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
WO2023066562A1 (de) Verfahren zum identifizieren von beikräutern in einer pflanzenreihe einer landwirtschaftlichen fläche
DE102019209526A1 (de) Überwachen einer Anbaufläche
DE102022212169A1 (de) Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212171A1 (de) Verfahren zum Klassifizieren von Pflanzen in und/oder zwischen Pflanzenreihen einer landwirtschaftlichen Fläche
DE102022212161A1 (de) Verfahren zum Ermitteln einer Breitenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102022212162A1 (de) Verfahren zum Ermitteln einer Pflanzenkennzahl von Pflanzen einer Pflanzenreihe einer landwirtschaftlichen Fläche
DE102022105448A1 (de) Computerimplementiertes Verfahren und System zur Bestimmung von Pflanzenkrankheiten
DE102023211134A1 (de) Verfahren zum Ansteuern einer Spritzvorrichtung einer Feldspritze
DE102020215877A1 (de) Verfahren zum Klassifizieren von Pflanzen für landwirtschaftliche Zwecke
DE102020215879A1 (de) Verfahren zum Ausbringen eines Spritzmittels auf eine landwirtschaftliche Fläche
DE102019201977A1 (de) Verfahren zum Ermitteln eines Zustandes einer Feldfrucht-Bepflanzung und landwirtschaftliches Fahrzeug
WO2025103715A1 (de) Optimierte segmentierung und/oder klassifizierung von pflanzenobjekten
DE102023205601A1 (de) Verfahren zur Lokalisierung und/oder Klassifizierung von Unkraut in einem Eingangsbild, Computerprogramm, Speichermedium, Unkrautsuchsystem sowie Unkrautbekämpfungssystem

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22809466

Country of ref document: EP

Kind code of ref document: A1

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112024010417

Country of ref document: BR

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 112024010417

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20240524

122 Ep: pct application non-entry in european phase

Ref document number: 22809466

Country of ref document: EP

Kind code of ref document: A1